1.散列表简介

散列表也叫哈希表（Hash table），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

1.1.散列函数

散列函数设计的基本要求：
散列函数计算得到的散列值是一个非负整数；
如果 key1 = key2，那 hash(key1) == hash(key2)；
如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。（往往这个条件很难办到，key不同可能出现相同的散列值，于是出现散列冲突）

1.2.散列冲突解决方案

大佬文章链接1
大佬文章链接2

2.数据节点

为了方便操作，把数据和属性封装起来。因为存储数据，所以不好用某个值来判断散列表某个位置是否有数据，因此添加一个hasValue属性，用于判断某个位置是否有值，添加remove属性，用于删除某个值之后，出现表断裂的情况（查找的时候，是遇到没有值的地方就停止，如果这个地方被删除，那还可以继续查找）。

struct Node
{int m_value;bool m_hasValue;bool m_remove;Node() : m_value(0), m_remove(false), m_hasValue(false) {}Node(int value) : m_value(value), m_remove(false), m_hasValue(true) {}
};

3.实现

3.1.变量

变量名	类型	属性	说明
m_hashTable	std::vector	私有	数据散列表
m_size	int	私有	散列表长度

3.2.方法

方法名	返回类型	参数	属性	说明
HashTable()	-	int size	公有	构造长度为size的散列表
size() const	int	-	公有	返回散列表长度
add()	bool	int value	公有	添加数据
remove()	bool	int value	公有	删除数据
serch()	bool	int value	公有	查找数据
full() const	bool	-	公有	判断散列表是否为满
hashFunc()	int	int key	保护	散列函数

4.测试

4.1.测试代码

#include <iostream>#include "hashtable.h"int main()
{HashTable hashtable(8);std::cout << "\n添加8个数据：" << std::endl;for (int i = 0; i < 8; i++){hashtable.add(i * 7 + 1);}hashtable.print();std::cout << "\n添加34：" << std::endl;hashtable.add(34);hashtable.print();std::cout << "\n添加45：" << std::endl;hashtable.add(45);hashtable.print();std::cout << "\n删除100：" << std::endl;hashtable.remove(100);hashtable.print();std::cout << "\n查找34：" << std::endl;if (hashtable.serch(34)){std::cout << "34在表里" << std::endl;}else{std::cout << "34不在表里" << std::endl;}std::cout << "\n查找35：" << std::endl;if (hashtable.serch(35)){std::cout << "35在表里" << std::endl;}else{std::cout << "35不在表里" << std::endl;}return 0;
}

4.2.输出结果

添加8个数据：
8, 1, 50, 43, 36, 29, 22, 15,添加34：
36, 1, 29, 34, 22, 50, 15, 43, 8,添加45：
50, 1, 22, 43, 34, 15, 36, 45, 8, 29,删除100：
50, 1, 22, 43, 34, 15, 36, 45, 8, 29,查找34：
34在表里查找35：
35不在表里

5.实现代码

#pragma once
#ifndef _HASHTABLE_H_
#define _HASHTABLE_H_#include <iostream>
#include <vector>struct Node
{int m_value;bool m_hasValue;bool m_remove;Node() : m_value(0), m_remove(false), m_hasValue(false) {}Node(int value) : m_value(value), m_remove(false), m_hasValue(true) {}
};class HashTable
{public:HashTable(int size){if (size > 0){m_hashTable = std::vector<Node>(size);m_size = size;}else{m_size = 0;}}int size() const{return m_size;}bool add(int value){if (full()){m_size++;std::vector<Node> newHashTable(m_size);for (int i = 0; i < m_size - 1; i++){int index = hashFunc(m_hashTable[i].m_value);while (newHashTable[index].m_hasValue){index = (index + 1) % m_size;}newHashTable[index].m_hasValue = true;newHashTable[index].m_remove = false;newHashTable[index].m_value = m_hashTable[i].m_value;}m_hashTable = newHashTable;}int index = hashFunc(value);while (m_hashTable[index].m_hasValue){index = (index + 1) % m_size;}m_hashTable[index].m_hasValue = true;m_hashTable[index].m_remove = false;m_hashTable[index].m_value = value;return true;}bool remove(int value){int index = hashFunc(value);int count = 0;while ((m_hashTable[index].m_hasValue || m_hashTable[index].m_remove) && m_hashTable[index].m_value != value && count < m_size){index = (index + 1) % m_size;count++;}if (index < m_size && m_hashTable[index].m_hasValue && m_hashTable[index].m_value == value){m_hashTable[index].m_hasValue = false;m_hashTable[index].m_remove = true;return true;}return false;}bool serch(int value){int index = hashFunc(value);int count = 0;while ((m_hashTable[index].m_hasValue || m_hashTable[index].m_remove) && m_hashTable[index].m_value != value && count < m_size){index = (index + 1) % m_size;count++;}if (index < m_size && m_hashTable[index].m_hasValue && m_hashTable[index].m_value == value){return true;}return false;}bool full() const{for (int i = 0; i < m_size; i++){if (!m_hashTable[i].m_hasValue){return false;}}return true;}void print() const{for (Node node : m_hashTable){if (node.m_hasValue){std::cout << node.m_value << ", ";}else{std::cout << " " << ", ";}}std::cout << std::endl;}protected:int hashFunc(int key){return abs(key % m_size);}private:std::vector<Node> m_hashTable;int m_size;
};#endif // !_HASHTABLE_H_

6.总结

只是简单的实现，初次接触，如有错误，还望谅解。

第99篇 C++数据结构（九）散列表相关推荐

数据结构之散列表（七）
前言一.什么是散列表散列表是如何组织数据的呢? 散列表的基本概念二.Hash算法的设计什么是Hash算法 Hash算法的应用场景三.散列表冲突的解决 1. 开放寻址法 2. 链表法 3. 开 ...
数据结构四——散列表(上)
文章出处:极客时间<数据结构和算法之美>-作者:王争.该系列文章是本人的学习笔记. 1散列表的由来从数组随机访问特性说起. 数组的随机访问特性是:数组a,a[5]可以直接访问到数组的第6 ...
数据结构四——散列表(下)
文章出处:极客时间<数据结构和算法之美>-作者:王争.该系列文章是本人的学习笔记. 7 散列表+链表的应用很多情况下散列表会和链表一起使用.散列表可以通过key查找value.链表可以按 ...
利用开放定址法实现散列表的创建、插入、删除、查找操作_快速入门数据结构：散列表(上)...
散列表与散列算法散列表的英文叫"Hash Table",我们平时也叫它"哈希表"或者"Hash 表",散列表用的是数组支持按照下标随机访问 ...
数据结构(55) 散列表（哈希表，hash table，hash map）
目录 1.散列表的基本概念 2.散列函数的构造方法 3.常用的散列函数 3.1.直接定址法 3.2.除留余数法 3.3.数字分析法 3.4.平方取中法 3.5.乘法哈希法(The Multiplica ...
【数据结构】散列表知识点
散列存储的特性散列存储:散列表,采用的存储方式是散列存储.那么何为散列存储呢?散列存储是根据元素的关键字直接计算出该元素的存储地址,又称哈希(Hash)存储.采用散列存储的方式存储数据时,具备的优点 ...
大话数据结构：散列表
基础介绍是一种存储结构,就是构建一个函数,以输入的关键字作为自变量,以地址作为因变量.具体实现有很多变种. 代码 #include "stdio.h" #include &quo ...
查找、插入、删除都很快的数据结构（散列表vs红黑树vs跳表）
散列表散列表的插入.删除.查找操作的时间复杂度可以做到常量级的 O(1),非常高效. 平衡二叉查找树(红黑树) 二叉查找树在比较平衡的情况下(红黑树是一种平衡二叉树),插入.删除.查找操作时间复杂度 ...
Python与数据结构[4] - 散列表[1] - 分离链接法的 Python 实现
分离链接法 / Separate Chain Hashing 前面完成了一个基本散列表的实现,但是还存在一个问题,当散列表插入元素冲突时,散列表将返回异常,这一问题的解决方式之一为使用链表进行元素的存 ...

第99篇 C++数据结构（九）散列表